1. 为什么要在n8n中集成大语言模型?
在自动化工作流中引入大语言模型(LLM)就像给传统机器人装上了大脑。过去我们只能处理结构化数据和固定规则的任务,现在通过OpenAI的GPT系列、Google的Gemini等模型,n8n工作流可以:
- 理解自然语言指令(如客服工单自动分类)
- 生成高质量文本内容(自动撰写产品描述)
- 进行复杂数据分析(从用户反馈中提取情感倾向)
- 实现多模态处理(解析图片中的文字信息)
我在实际项目中发现,合理使用LLM可以使自动化效率提升3-5倍。比如一个需要人工审核的工单系统,接入GPT-4后能自动处理70%的常规咨询。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 两种核心集成方式详解
2.1 HTTP Request节点:通用对接方案
这是最灵活的集成方式,适合所有提供REST API的AI服务。以OpenAI为例,具体实现步骤如下:
认证配置
json复制{
"headers": {
"Authorization": "Bearer sk-your-api-key-here",
"Content-Type": "application/json"
}
}
重要提示:永远不要在代码中硬编码API Key!务必使用n8n的Credentials功能加密存储。
请求体构造
对于GPT-4模型,典型的结构化请求如下:
json复制{
"model": "gpt-4-turbo",
"messages": [
{"role": "system", "content": "你是一个专业的翻译助手"},
{"role": "user", "content": "请将这段技术文档翻译成德语"}
],
"temperature": 0.7,
"max_tokens": 1000
}
响应处理
通过Set节点提取关键信息:
json复制{
"translatedText": "{{$json.choices[0].message.content}}"
}
2.2 内置AI节点:开箱即用的便捷方案
n8n 0.234版本后新增了专用AI节点,以Google Gemini节点为例:
- *模型选择
